農(nóng)村貧困補助的瞄準(zhǔn)精度、瞄準(zhǔn)成本與減貧方案分析

邊 恕，張銘志，孫雅娜

(1. 遼寧大學(xué) 人口研究所，遼寧 沈陽 110036；2. 遼寧大學(xué) 新華國際商學(xué)院，遼寧 沈陽 110036)

一、引言

改革開放四十多年來，我國農(nóng)村共有七億多貧困人口擺脫貧困，是世界上減貧人數(shù)最多的國家(1)資源來源：中華人民共和國國務(wù)院新聞辦公室.中國的減貧行動與人權(quán)進步[N].人民日報海外版，2016-10-18(005)。。在取得歷史性成就的同時，我國減貧事業(yè)已進入“啃硬骨頭、攻堅拔寨”的沖刺期，脫貧難度增大，減貧成本提高，農(nóng)村地區(qū)貧困補助的目標(biāo)瞄準(zhǔn)問題成為政界和學(xué)界共同關(guān)注的焦點。我國從1986年開始實施目標(biāo)瞄準(zhǔn)型的開發(fā)式扶貧政策，目標(biāo)瞄準(zhǔn)(Targeting)是指將扶貧資源選擇性地分配給特定人群的過程，主要涉及兩個方面：一是瞄準(zhǔn)機制，如何準(zhǔn)確地識別扶貧政策目標(biāo)所選擇的特定貧困群體；二是分配方案，如何將有限的扶貧資源有效地分配給特定貧困群體，這也是選擇性政策的延續(xù)[1]。

不同的瞄準(zhǔn)機制使用不同的標(biāo)準(zhǔn)來確定補助受益人。當(dāng)前農(nóng)村扶貧對象的認定主要采用家計調(diào)查(Means Tests)為核心的目標(biāo)瞄準(zhǔn)機制，即通過評估補助申請者的收入情況以確定其受助資格。在實踐中，農(nóng)村貧困補助面臨較為嚴重的瞄準(zhǔn)困境，存在錯保率和漏保率較高、扶貧資金使用效益偏低和減貧效果受限等問題[2-5]。農(nóng)村勞動力多在非正式部門工作，由于缺乏完善的收入核算體系，收集并核實其收入信息難度較大，由此產(chǎn)生高昂的行政成本也是明顯的局限之處[6]。任何瞄準(zhǔn)機制與分配方案都是有成本的[7]，增加行政成本可以提高瞄準(zhǔn)精度，更準(zhǔn)確地識別貧困樣本，但也有可能擠占貧困群體補助資金，降低扶貧資金的利用效率[8-9]。區(qū)別于普惠式扶貧，選擇性扶貧方案中行政成本是一筆不容小覷的支出，研究表明，行政成本占扶貧項目總支出的10%左右甚至更高[10-12]。因此，瞄準(zhǔn)機制需要綜合考慮瞄準(zhǔn)精度和瞄準(zhǔn)成本對減貧效果的影響。

本文引入代理家計調(diào)查(Proxy Means Tests)作為家計調(diào)查的替代機制，該機制并未直接調(diào)查收入或消費數(shù)據(jù)，而是使用易于觀察、便于驗證的客觀表征指標(biāo)來預(yù)測補助申請者的收入水平并判斷其貧困狀況。作為目標(biāo)瞄準(zhǔn)工具箱的新方法，代理家計調(diào)查在1980年智利推出Ficha CAS計劃中被首次使用，并在拉丁美洲和東南亞等地試點及推廣[13]。國外學(xué)者廣泛地評估烏干達[14]、孟加拉國[15]、印度尼西亞[16]和肯尼亞[17]等地反貧困項目中應(yīng)用代理家計調(diào)查的實施效果。國內(nèi)有學(xué)者使用690戶寧夏農(nóng)村家庭調(diào)查數(shù)據(jù)構(gòu)造OLS模型并使用遺漏率和漏損率兩個指標(biāo)判斷模型瞄準(zhǔn)偏誤[18]，也有學(xué)者使用2013年中國居民家庭收入調(diào)查數(shù)據(jù)構(gòu)造OLS、分位數(shù)回歸模型并使用低保名額和金額等共四個指標(biāo)檢驗瞄準(zhǔn)效果[19]，研究結(jié)論均肯定代理家計調(diào)查測量尺度科學(xué)、操作簡便、成本較低并且具有良好的區(qū)分功能。

國內(nèi)外學(xué)者的先期研究還存在以下不足：僅使用地區(qū)性或者單期調(diào)研數(shù)據(jù)測算代理家計調(diào)查的瞄準(zhǔn)精度，在樣本數(shù)據(jù)選取和衡量指標(biāo)設(shè)計方面有局限性；對于瞄準(zhǔn)成本的討論止步于定性研究，微觀定量研究不足，僅考慮瞄準(zhǔn)精度對減貧效果的影響，忽視了瞄準(zhǔn)成本與減貧效果的關(guān)系；對于現(xiàn)實農(nóng)村扶貧資源分配方式的實證研究較為匱乏。鑒于此，本文將農(nóng)村貧困補助的瞄準(zhǔn)精度、瞄準(zhǔn)成本和減貧效果納入同一分析框架，使用兩期中國家庭追蹤調(diào)查(CFPS)農(nóng)村樣本數(shù)據(jù)，構(gòu)建八個指標(biāo)比較現(xiàn)行貧困補助與代理家計調(diào)查機制的瞄準(zhǔn)精度，量化檢驗代理家計調(diào)查的瞄準(zhǔn)效果，并在此基礎(chǔ)上設(shè)計三種補助分配減貧方案，綜合評估其瞄準(zhǔn)成本與減貧效果，以期提高農(nóng)村扶貧資源的利用效率，助力國家治理與社會治理向精細化方向轉(zhuǎn)型。

二、研究方法與數(shù)據(jù)來源

1.數(shù)據(jù)來源與變量說明

本文數(shù)據(jù)來源為北京大學(xué)中國社會科學(xué)調(diào)查中心開展的中國家庭追蹤調(diào)查(China Family Panel Studies，CFPS)。該調(diào)查使用多階段、多層次的概率抽樣，調(diào)查范圍覆蓋全國25個省/市/自治區(qū)。研究選取2014年和2016年農(nóng)村樣本數(shù)據(jù)作為研究對象，經(jīng)過整理篩選，兩期數(shù)據(jù)保留的樣本量依次為9290個和9499個。依據(jù)分析框架，具體變量設(shè)定如下。

(1)被解釋變量。農(nóng)村地區(qū)貧困樣本的識別以年收入為標(biāo)準(zhǔn)。出于收入函數(shù)正態(tài)分布的考慮，將被解釋變量不包含政府補助的人均年純收入作對數(shù)處理。

(2)解釋變量。為了更好地預(yù)測樣本收入水平，代理家計調(diào)查的表征變量選取主要遵循兩個原則，一是與收入水平高度相關(guān)，二是選擇易于觀察、可驗證的客觀指標(biāo)[20]。本文表征指標(biāo)的選取主要包括戶主特征、家庭人口特征、生活條件特征、耐用品特征和住房特征。首先，戶主的特征與家庭收入水平息息相關(guān)，將問卷中“財務(wù)回答人”作為識別家庭戶主的指標(biāo)，得到其年齡、受教育程度、就業(yè)情況與所在省份信息，并且加入年齡平方項以檢驗收入與年齡的關(guān)系是否為線性。其次，家庭人口特征包括家庭人口數(shù)量和人口就業(yè)情況，分性別統(tǒng)計樣本家庭中20—59歲適齡勞動力、60歲及以上老年人的人數(shù)，并統(tǒng)計樣本家庭中從事外出打工、領(lǐng)取工資和從事個體私營的人數(shù)，這些直接影響現(xiàn)在和未來的收入情況，并且都是公開、真實的數(shù)據(jù)。再次，生活條件特征主要選取做飯燃料和用水情況，這是反映農(nóng)民經(jīng)濟狀況的基礎(chǔ)指標(biāo)，在調(diào)查中也易于操作、方便復(fù)核。最后，在耐用品特征和住房特征上選取擁有汽車、房產(chǎn)的情況及裝修情況，因為在現(xiàn)實農(nóng)村，住房和汽車很大程度上代表了農(nóng)民的經(jīng)濟實力，并且指標(biāo)容易觀察、不易偽造。

解釋變量的具體賦值情況如下：根據(jù)問卷計算得到戶主的年齡及年齡平方項；將戶主受教育程度賦值1—5，分別代表文盲、小學(xué)、初中、高中/中專、大專及以上學(xué)歷；戶主領(lǐng)取退休金的賦值為1，反之為0；所在省份劃分為四個區(qū)域，東部、中部、西部和東北省份分別賦值0—3；使用柴草或者煤炭等原始燃料作為做飯燃料的賦值為0，反之為1；每個月不使用收費的水資源，即沒有產(chǎn)生水費的賦值為0，反之為1；家庭未擁有汽車的賦值為0，反之為1；目前居住方式是租房的賦值為0，反之為1；除現(xiàn)住房以外還有其他房產(chǎn)取1，反之取0；問卷中“室內(nèi)裝修程度”選項中共有7個評級，將評級小于4即裝修狀況較差的賦值為0，反之為1。從取值可見，兩期數(shù)據(jù)具有較好的延續(xù)性，詳見表1。

表1 各變量的描述性統(tǒng)計

2.瞄準(zhǔn)效果測度指標(biāo)

本文使用國家農(nóng)村貧困線(2300元/年，為2010年不變價)作為劃分貧困與非貧困樣本的界限，并以2010年為基期對貧困線進行調(diào)整，得到購買力等同于2010年貧困線的人均年收入，2014年和2016年分別為2800元和3000元。從實際貧困和預(yù)測貧困兩個維度，本文將樣本劃分為以下四個類型：表2中m1代表正確識別的貧困樣本數(shù)，m2代表將貧困家庭錯誤識別為非貧困家庭的樣本數(shù)，即棄真錯誤，n1代表將非貧困家庭錯誤識別為貧困家庭，即存?zhèn)五e誤，n2代表正確排除的非貧困樣本數(shù)。此外，m3為實際貧困總樣本數(shù)，n3為實際非貧困總樣本數(shù)，s1為預(yù)測貧困總樣本數(shù)，s2為預(yù)測非貧困總樣本數(shù)，s3為總樣本數(shù)。

表2 農(nóng)村樣本的類型劃分

鑒于模型只是選擇適合的表征指標(biāo)預(yù)測樣本收入水平并判斷其貧困狀況，而非尋求致貧因素或推出因果關(guān)系，因此本文構(gòu)造八個測度指標(biāo)衡量模型的瞄準(zhǔn)效果。具體如下：

實際貧困發(fā)生率(Real poverty incidence,RI)。即實際人均收入低于貧困線的樣本數(shù)占總樣本數(shù)的比重。

RI=m3/s3*100%

(1)

預(yù)測貧困發(fā)生率(Predicting poverty incidence,PI)。即預(yù)測人均收入低于貧困線的樣本數(shù)占總樣本數(shù)的比重。

PI=s1/s3*100%

(2)

預(yù)測總準(zhǔn)確度(Total Accuracy,TA)。即正確識別的貧困和非貧困樣本數(shù)占總樣本數(shù)的比重，該數(shù)值越大，表示模型正確區(qū)分樣本的準(zhǔn)確度越高。

TA=(m1+n2)/s3*100%

(3)

預(yù)測貧困準(zhǔn)確度(Poverty Accuracy,PA)。即正確識別的貧困樣本數(shù)占貧困總樣本數(shù)的比重，該數(shù)值越大，表示識別貧困樣本的準(zhǔn)確度越高。

PA=m1/m3*100%

(4)

棄真率(Undercoverage Rate,UR)。即錯誤地將貧困樣本識別為非貧困的樣本數(shù)占實際貧困總樣本數(shù)的比重。該值越小，表示越多的真正貧困樣本被正確識別。

UR=m2/m3*100%

(5)

存?zhèn)温?Leakage Rate,LR)。即錯誤地將非貧困樣本識別為貧困的樣本數(shù)占實際貧困總樣本數(shù)的比重。該值越小，表示越多的非貧困樣本被正確排除。

LR=n1/m3*100%

(6)

綜合瞄準(zhǔn)誤差(Total Targeting Error,TTE)。真正貧困樣本數(shù)占預(yù)測總貧困樣本數(shù)的比重與真正貧困樣本數(shù)占實際總貧困樣本數(shù)的比重的乘積，表示綜合瞄準(zhǔn)準(zhǔn)確度，用1減去綜合瞄準(zhǔn)準(zhǔn)確度就是綜合瞄準(zhǔn)誤差。該指標(biāo)綜合反映棄真錯誤與存?zhèn)五e誤導(dǎo)致的瞄準(zhǔn)偏差。在理想狀態(tài)下，模型不存在偏差(n1=0，m2=0)則綜合瞄準(zhǔn)誤差為0(m1=s1=m3)；反之，瞄準(zhǔn)完全偏離則該值為1。該值越大，表示瞄準(zhǔn)偏誤越高。

(7)

平衡貧困精度(Balanced Poverty Accuracy Criterion,BPAC)。即預(yù)測貧困準(zhǔn)確度減去棄真率與存?zhèn)温手畹慕^對值。若模型不存在瞄準(zhǔn)誤差，平衡貧困精度就等于預(yù)測貧困準(zhǔn)確度(PA)，現(xiàn)實中該值的分布處于0—1的區(qū)間。正值越大，表示模型準(zhǔn)確度越高。

BPAC=PA-abs(UR-LR)

(8)

由于現(xiàn)實中信息不對稱，瞄準(zhǔn)過程中難免會出現(xiàn)兩種瞄準(zhǔn)偏誤：棄真錯誤和存?zhèn)五e誤，并且很難同時消除這兩種誤差[21]。從社會福利角度考慮，較高的棄真錯誤將直接降低真正貧困者及其群體的福利水平，而存?zhèn)五e誤可能浪費財政資源，但可以變相增加社會福利。當(dāng)公共政策目標(biāo)是致力于減貧脫貧時，更需要優(yōu)先減少棄真錯誤[22]。習(xí)近平總書記在關(guān)于扶貧的重要論述中，強調(diào)精準(zhǔn)扶貧首先要精準(zhǔn)識貧，切實解決好“扶持誰”的問題，做到真扶貧、扶真貧、真脫貧[23]。因此針對農(nóng)村地區(qū)貧困補助，本文首先考慮瞄準(zhǔn)真正貧困群體，優(yōu)先降低棄真率，并對存?zhèn)温食忠欢ò荻取?/p>

3.模型構(gòu)建

在運用表征指標(biāo)預(yù)測收入水平時，多元線性回歸模型(Ordinary Least Square, OLS)是應(yīng)用較早的模型，其原理是在被解釋變量的均值處求得最小化的殘差平方和。但由于全樣本的收入均值一般遠高于貧困群體的收入水平(國家貧困線)，得到的回歸擬合結(jié)果會產(chǎn)生較高的棄真錯誤[18，24]，這有違本文的研究取向。

本文利用分位數(shù)回歸模型(Quantile Regression, QR)作為OLS的替代方法，其原理是在給定的回歸點處，以非對稱權(quán)重求得殘差最小化。根據(jù)國家貧困線定義分位數(shù)回歸點，即以實際貧困發(fā)生率作為回歸點，以更好地聚焦農(nóng)村樣本的真實貧困狀況。分位數(shù)回歸受調(diào)查數(shù)據(jù)異常值的影響較小，得到的預(yù)測誤差也低于OLS模型[14，19]。因此，本文構(gòu)建分位數(shù)回歸模型估計各指標(biāo)的系數(shù)，并以此為指標(biāo)權(quán)重預(yù)測樣本收入水平。模型具體設(shè)定為：

(9)

其中i是第i個樣本；yi表示第i個樣本的人均年純收入；xi為解釋變量，表示第i個樣本的收入表征指標(biāo)，具體包括戶主特征、所在省份虛擬變量、家庭人口特征、生活條件特征、耐用品數(shù)量特征和住房情況特征；θ為分位點，Qθ(lnyi|xi)表示在給定解釋變量xi的情況下，分位點θ對應(yīng)的條件分位數(shù)；βi(θ)為回歸系數(shù)。

三、模型估計與效果檢驗

表3給出了各分位數(shù)模型的回歸結(jié)果，其中模型(1)為2014年數(shù)據(jù)分位數(shù)模型(θ=26th)估計結(jié)果，模型(2)為2016年數(shù)據(jù)(θ=25th)估計結(jié)果，大部分自變量均呈現(xiàn)高度的顯著性，說明表征指標(biāo)對樣本收入水平有較好的代表性和解釋力?；貧w結(jié)果顯示，戶主年齡系數(shù)為正，年齡平方項為負，說明年齡的增長與收入之間呈倒“U”型關(guān)系；戶主受教育程度較高、家中有較多成員外出打工、領(lǐng)取工資或者從事個體私營與家庭收入能力正相關(guān)；使用清潔燃料做飯、擁有高價耐用品及較好的住房條件也與收入呈現(xiàn)顯著正相關(guān)關(guān)系；戶主已退休、家庭人口規(guī)模大、老年人多等情況與人均純收入之間呈負相關(guān)。

表3 回歸模型估計結(jié)果

首先，基于模型的回歸結(jié)果，測算現(xiàn)有貧困補助的瞄準(zhǔn)效果并作為基準(zhǔn)方案。將人均收入低于國家貧困線的樣本作為實際貧困樣本，將獲得貧困補助的樣本作為預(yù)測貧困樣本，測算結(jié)果見表4。可以得出農(nóng)村地區(qū)現(xiàn)行貧困補助存在較高的瞄準(zhǔn)偏誤。從補助覆蓋率上看，現(xiàn)行補助覆蓋情況低估了貧困發(fā)生率，2014年農(nóng)村地區(qū)實際貧困發(fā)生率(RI)為25.37%，但貧困補助的覆蓋率僅有13.31%，而棄真率(UR)達到76.07%，說明遠超半數(shù)的真正貧困家庭并未得到貧困補助，并且綜合瞄準(zhǔn)誤差(TTE)高達89.24%，平衡貧困精度(BPAC)為負值說明現(xiàn)行補助方案暴露出較大的瞄準(zhǔn)偏離問題。當(dāng)然，補助分配存在較高的瞄準(zhǔn)偏誤情況在其他國家也存在，例如智利實施的救助養(yǎng)老金計劃(Assistance Pension)棄真率高達84%，巴西推出的學(xué)校津貼計劃(Bolsa Escola)棄真率為73%，美國的貧困家庭臨時救助計劃(TANF)也存在48%的棄真率[25]。

表4 農(nóng)村貧困補助的基準(zhǔn)方案與代理家計調(diào)查瞄準(zhǔn)效果 %

表4中模型(1)為2014年農(nóng)村樣本數(shù)據(jù)的瞄準(zhǔn)效果，可以發(fā)現(xiàn)代理家計調(diào)查機制的瞄準(zhǔn)精度明顯優(yōu)于現(xiàn)行補助方案，前者預(yù)測總準(zhǔn)確度(TA)和預(yù)測貧困準(zhǔn)確度(PA)相比于基準(zhǔn)方案都有不同幅度的提高，棄真率(UR)同比下降43.78%，僅有32.29%的真正貧困樣本未被正確識別，綜合瞄準(zhǔn)誤差(TTE)同比下降26.10%，且平衡精度準(zhǔn)則(BPAC)遠高于基準(zhǔn)方案，表明瞄準(zhǔn)精度得到較大程度的改善。不過該預(yù)測結(jié)果仍存在一定的偏差，這可能與分位數(shù)模型的回歸點較低有關(guān)[22]。預(yù)測貧困發(fā)生率(PI)存在高估，存?zhèn)温?LR)也相比現(xiàn)行補助措施有所升高，但誤差仍在可以接受的合理范圍內(nèi)，并且通過TTE和BPAC兩個綜合測度指標(biāo)仍可以得出代理家計調(diào)查的瞄準(zhǔn)精度顯著優(yōu)于基準(zhǔn)方案的結(jié)論。

模型(2)是2016年數(shù)據(jù)的瞄準(zhǔn)效果，同樣表明代理家計調(diào)查對于貧困與非貧困人口均有良好的區(qū)分度，篩選樣本較為準(zhǔn)確。本文關(guān)注的棄真率(UR)處于較低水平，只有36.04%的真正貧困樣本被錯誤排除，從綜合瞄準(zhǔn)誤差(TTE)和平衡貧困精度(BPAC)兩個指標(biāo)來看，模型(2)有較高的可取性，有效保障了扶貧對象的類別劃分。

綜合兩期數(shù)據(jù)的預(yù)測結(jié)果，代理家計調(diào)查機制相比于現(xiàn)行補助大幅降低了棄真錯誤與瞄準(zhǔn)誤差，顯著改善了整體目標(biāo)瞄準(zhǔn)效果，較為準(zhǔn)確地預(yù)測了農(nóng)村貧困群體的收入水平，對于貧困與非貧困樣本有著良好的區(qū)分功能，保障了扶貧對象目標(biāo)瞄準(zhǔn)的準(zhǔn)確度。

四、瞄準(zhǔn)成本與減貧收益

目標(biāo)瞄準(zhǔn)過程中會面臨各種成本，在技術(shù)層面的主要表現(xiàn)就是行政成本。在有限的扶貧預(yù)算中，行政成本的變化將對貧困補助的瞄準(zhǔn)成本與減貧效果產(chǎn)生怎樣的影響？現(xiàn)實農(nóng)村中不同的資源分配方式是否制約了減貧效益的提高？基于2014年模型(1)得到的預(yù)測收入數(shù)據(jù)并結(jié)合現(xiàn)實農(nóng)村的扶貧資源分配方式，對預(yù)測貧困樣本采用三種模擬減貧方案，并與現(xiàn)行貧困補助方案比較，以評估代理家計調(diào)查是否更具瞄準(zhǔn)成本和減貧效果優(yōu)勢。

1.測度指標(biāo)

本文沿用貝斯利(Besley)[7]的設(shè)定，貧困補助財政預(yù)算由行政成本和貧困補助兩部分構(gòu)成，公式表示為：

B=AC+P

(10)

P=RP+NP

(11)

其中B為固定的扶貧財政預(yù)算，AC為行政經(jīng)費，P為貧困補助總額，即分配給所有的預(yù)測貧困收入低于國家線的貧困樣本(表2中s1樣本)補助總資金，P由兩部分構(gòu)成：RP為正確補助給真正貧困樣本的資金，NP為錯誤補助給非貧困樣本的資金。

基于以上變量，本文構(gòu)建六個指標(biāo)綜合評估目標(biāo)瞄準(zhǔn)機制的瞄準(zhǔn)成本和減貧效果。首先，本文構(gòu)造以下三個指標(biāo)衡量各補助方案的瞄準(zhǔn)成本，公式設(shè)定為：

(12)

(13)

(14)

其中T0為非轉(zhuǎn)移率，表示行政成本(AC)占總財政預(yù)算(B)的比重；T1為錯誤轉(zhuǎn)移率，表示向非貧困樣本的錯誤轉(zhuǎn)移支付(NP)占總財政預(yù)算(B)的比重，T2為單位轉(zhuǎn)移成本，表示向真正貧困樣本轉(zhuǎn)移支付一單位補助資金所支出的額外成本。

其次，本文利用FGT指數(shù)衡量模擬方案的減貧效果。通過構(gòu)造固定預(yù)算約束下的FGT指數(shù)，對比貧困樣本在接受補助前后貧困狀況的變化情況，公式設(shè)定為：

(15)

(16)

其中N代表總樣本數(shù)，z表示國家農(nóng)村貧困線，j為按照預(yù)測收入正向排序后的第j個樣本，Yj為第j個樣本預(yù)測收入，F(xiàn)j表示對第j個樣本的非負轉(zhuǎn)移支付，P為貧困補助的總資金，z-(Yj+Fj)表示第j個樣本的貧困距，當(dāng)α取0、1和2時，F(xiàn)GT(0)、FGT(1)和FGT(2)表示貧困發(fā)生率、貧困距指數(shù)和平方貧困距指數(shù)，分別衡量樣本的貧困廣度、貧困深度和貧困樣本間的不平等程度。

2.模擬方案

現(xiàn)實農(nóng)村中主要存在三種扶貧資源分配方式：①嚴格按照扶貧補助政策規(guī)定。以消除絕對貧困為目的，總體分配思路是分配給貧困群體的低收入者較多資源，給貧困群體的高收入者較少的資源。②均等普惠分配。由于扶貧資源的稀缺性和指標(biāo)的有限性，各方對扶貧資源劃分的最后結(jié)果是采用簡單平均的方式。③扶富不扶貧。有些農(nóng)村地區(qū)由于缺少監(jiān)督機制，導(dǎo)致在分配扶貧資源時出現(xiàn)精英俘獲現(xiàn)象。收入高的群體成為扶貧資源的主要受益者，而最貧困群體的利益受到侵害。

本文針對上述分配方式設(shè)計了均等型和序次型兩大類補助分配模式。模擬方案的示意圖見圖1，縱軸為樣本預(yù)測人均年收入，橫軸為樣本收入排名的累計百分比，與橫軸平行的虛線代表2014年國家農(nóng)村貧困線。為了更好地展示補助前后的人均年收入變化情況，圖1只繪制排名前70%樣本的收入分布。

圖1 各轉(zhuǎn)移支付模擬方案的收入分布

第一類均等型模式是面向全部貧困樣本的固定金額轉(zhuǎn)移支付，補助方式是從總預(yù)算中減去行政成本(AC)后，剩下的轉(zhuǎn)移支付資金(P)平均分給收入在貧困線以下的樣本。這種方案中每人獲得固定數(shù)額的補助，并保持貧困程度排名不變，見圖1中的方案一，可稱為“均等普惠方案”。公式可表示為：

(17)

第二類序次型模式是面向部分貧困樣本的不定額轉(zhuǎn)移支付，總體思路是針對貧困群體中符合條件的樣本按序次進行轉(zhuǎn)移支付，這會改變樣本貧困程度排名。公式(17)和(18)中的變量含義與上面公式相同，公式表示為：

(18)

本文將序次型模式分為兩種方案：第一種是圖1中的方案二，可稱為“絕對貧者優(yōu)先方案”。補助順序為自下而上，補助分配方式是先補助最貧困者，將其收入提升到貧困線水平，然后補助排名第二的樣本，按照排名順序依次向上補助，直至補助資金(P)用完；第二種是圖1中的方案三，可稱其為“臨界貧困者優(yōu)先方案”，補助順序為自上而下，即先補助最靠近國家貧困線即貧困群體中收入最高的樣本，使其收入達到貧困線后，再補助貧困樣本中收入第二高的樣本，依次向下補助，直至補助資金(P)用完。

以下將分別設(shè)定基準(zhǔn)方案與模擬方案中行政成本(AC)的取值。行政成本的比重沒有統(tǒng)一標(biāo)準(zhǔn)，國家間因政策等條件不同差異較大，但選擇性扶貧的行政支出一般高于普惠式扶貧方案，比如美國公共援助與失業(yè)保險(特定型)的行政成本占總預(yù)算支出的比重分別為12.1%和11.8%[14]。羅林斯(Rawlings)測算6個國家的目標(biāo)瞄準(zhǔn)型減貧項目，得出行政成本約占總支出的7%到13%[11]。格羅什(Grosh)分別評估三類瞄準(zhǔn)機制的行政成本，其中代理家計調(diào)查的行政成本占比均值為10%[10]。依據(jù)兩類模式的補助方式和當(dāng)前扶貧工作行政效率，本文將均等型模式的非轉(zhuǎn)移率設(shè)定為7%，序次型模式統(tǒng)一設(shè)定為10%。

對于現(xiàn)行貧困補助措施的行政成本，根據(jù)民政部《全國基層低保規(guī)范化建設(shè)暫行評估標(biāo)準(zhǔn)》中“市區(qū)低保工作經(jīng)費不低于每名低保對象20元，鎮(zhèn)(街)不低于10元，社區(qū)(村)不低于15元”的要求，本文將農(nóng)村地區(qū)每名低保對象的工作經(jīng)費確定為每月15元。據(jù)此計算，CFPS數(shù)據(jù)中2932個貧困樣本對應(yīng)約52萬元的行政工作經(jīng)費(AC)。另外，經(jīng)統(tǒng)計得到2014年CFPS數(shù)據(jù)中人均年收入低于貧困線的貧困樣本實際共獲得約218萬元(P)的貧困補助。根據(jù)上面公式設(shè)定，將行政經(jīng)費(AC)與貧困樣本補助總額(P)加總，得到模擬方案的財政總預(yù)算(B)為270萬元。

3.效果評估

下面將分別評估現(xiàn)行補助與模擬方案的瞄準(zhǔn)成本和減貧效果。首先分析現(xiàn)行貧困補助方案。在瞄準(zhǔn)成本方面，基準(zhǔn)方案的行政成本占比接近20%，這也印證了家計調(diào)查是一種行政成本高昂的瞄準(zhǔn)機制。受限于較高的存?zhèn)五e誤，錯誤轉(zhuǎn)移率(T1)達到44.37%，從絕對值上看，共有137.03萬元正確分配給真正貧困樣本。每單位轉(zhuǎn)移成本(T2)達到最高的1.76元，這意味著每向貧困樣本補助1元對應(yīng)著共計1.76元的行政成本及錯誤轉(zhuǎn)移支出。但是在減貧成效方面，精確到戶的瞄準(zhǔn)方式確實取得了較好的效果，根據(jù)國務(wù)院印發(fā)的《關(guān)于創(chuàng)新機制扎實推進農(nóng)村扶貧開發(fā)工作的意見》，國家在2014年初步建立精準(zhǔn)扶貧工作機制，各地針對扶貧對象建檔立卡工作相繼鋪開，加上補助收入后，貧困發(fā)生率FGT(0)從補助前的31.56%下降到18.88%，大幅下降了12.68個百分點，貧困距指數(shù)FGT(1)下降至9.98%，但是貧富差距FGT(2)同比上升了1.70個百分點。

表5 各減貧方案的瞄準(zhǔn)成本和減貧效果 %，元

以下具體分析三個模擬方案與現(xiàn)行貧困補助方案對比的瞄準(zhǔn)成本和減貧效果。

方案一采取均等普惠的補助方式。該方案所需的行政成本較低，非轉(zhuǎn)移率(T0)為7%。由于代理家計調(diào)查機制提高了瞄準(zhǔn)精度，錯誤轉(zhuǎn)移率(T1)略微下降到42.38%。從絕對值上看，得益于行政成本和存?zhèn)五e誤的降低，方案一的正確補助資金總額(RP)相比基準(zhǔn)方案增加了39.02萬元(2)基準(zhǔn)方案中正確補助金額為98.01萬元，方案一中則為137.03萬元，兩者之差絕對值為39.02萬元。，這也使得每單位轉(zhuǎn)移成本(T2)從1.76元降到0.98元。但橫向?qū)Ρ壬峡?，降低的行政成本并未轉(zhuǎn)化為更多的正確補助，在模擬方案中該方案的非補助資金占比最高，共有49.38%的預(yù)算資金支出在行政成本及錯誤轉(zhuǎn)移上(3)非轉(zhuǎn)移率即行政成本為7%，錯誤轉(zhuǎn)移率為42.38%，兩者之和為49.38%。。在減貧效果方面，均等式補助分配后的貧困發(fā)生率相比基準(zhǔn)方案改觀不明顯，F(xiàn)GT(0)僅下降了0.7%，而貧困距指數(shù)FGT(1)和貧富差距FGT(2)改善較大，分別下降了6.44%和5.81%。

方案二為絕對貧困者優(yōu)先的補助方式。嚴格的補助分配方式抬高了行政成本，使得非轉(zhuǎn)移率(T0)達到10%。得益于瞄準(zhǔn)精度的改善，錯誤轉(zhuǎn)移率(T1)和單位轉(zhuǎn)移成本(T2)均降至三個模擬方案的最低，分別達到32.15%和0.72元，正確補助金額(RP)達到最高的156.60萬元。在減貧效果方面，該方案降低貧困發(fā)生率和貧富差距效果更加顯著，F(xiàn)GT(0)、FGT(1)和FGT(2)相比基準(zhǔn)方案降幅分別為6.48%、8.36%和6.52%，后兩個指標(biāo)均達到模擬方案的最低值，橫向來看該方案有利于實現(xiàn)扶貧對象福利水平的最大化。

方案三是臨界貧困者優(yōu)先的補助方式。該方案非轉(zhuǎn)移率(T0)同樣為10%。由于處于貧困臨界收入的貧困者樣本中存?zhèn)五e誤較多，使得瞄準(zhǔn)精度相比方案二有所降低，資金錯誤轉(zhuǎn)移率(T1)較方案二的32.15%略提高到36.74%，單位轉(zhuǎn)移成本(T2)也提高到0.88元，共有144.18萬元正確分配給真正貧困樣本，這一數(shù)值明顯優(yōu)于基準(zhǔn)方案與方案一，但稍遜于方案二。在減貧效果方面，該方案最為突出，貧困發(fā)生率FGT(0)從基準(zhǔn)方案的18.88%大幅下降到2.20%，但貧富差距FGT(2)增加到模擬方案最高，達到1.20%。

三個減貧模擬方案的測算結(jié)果表明：方案一(均等普惠方案)行政成本的減少并未轉(zhuǎn)化為瞄準(zhǔn)成本的降低，單位轉(zhuǎn)移成本反而達到三個模擬方案的最高，預(yù)算資金使用效益偏低。雖然取得了一定的減貧效果，但減貧效果相比基準(zhǔn)方案降低有限，相比序次型方案劣勢明顯。平均主義的均等分配方案侵蝕了更多的扶貧資源，既犧牲了效率，又犧牲了公平。方案二(絕對貧困者優(yōu)先方案)增加的行政成本有利于顯性化扶貧對象，單位轉(zhuǎn)移成本最低，扶貧資金使用效率最高，并且取得了較好的減貧效果。該方案的總體分配思路類似于現(xiàn)行貧困補助，得益于代理家計調(diào)查機制降低了瞄準(zhǔn)偏誤，使得瞄準(zhǔn)機制及減貧方案更有效率、更加公平。方案三(臨界貧困者優(yōu)先方案)的瞄準(zhǔn)成本介于方案一與方案二之間，減貧效果最為顯著，在有限的預(yù)算資源內(nèi)最大程度地降低了貧困總?cè)丝?，但同時貧富差距明顯上升。該方案實現(xiàn)的是臨界貧困者利益最大化，而不是絕對貧困者利益最大化，這種資源分配的失衡違背貧困補助的設(shè)立初衷，該方案效率性有余但公平性不足。

五、研究結(jié)論與政策建議

本文將農(nóng)村貧困補助的瞄準(zhǔn)精度、瞄準(zhǔn)成本和減貧效果納入同一分析框架，定量檢驗現(xiàn)行補助瞄準(zhǔn)機制和代理家計調(diào)查機制的瞄準(zhǔn)效果，并在此基礎(chǔ)上設(shè)計三種分配方式的減貧方案，綜合分析基準(zhǔn)方案與模擬方案的瞄準(zhǔn)成本與減貧效果。研究主要得出以下幾點結(jié)論。

第一，在瞄準(zhǔn)精度上，代理家計調(diào)查機制對于農(nóng)村地區(qū)的貧困與非貧困樣本具有良好的區(qū)分功能，本文選取的收入表征指標(biāo)與樣本收入之間高度相關(guān)，可以較好地表征樣本收入水平。在采用代理家計調(diào)查機制后，瞄準(zhǔn)精度得到顯著改善，以2014年數(shù)據(jù)為例，農(nóng)村貧困補助的綜合瞄準(zhǔn)誤差從89.24%下降至63.14%。

第二，在三個模擬方案中，序次型模式優(yōu)于均等型模式。序次型模式可以更加精細化分配補助資源，其增加的行政成本并沒有擠占扶貧資金，反而提升了預(yù)算使用效益，顯性化扶貧對象有利于在降低瞄準(zhǔn)成本的同時提升減貧效果。均等型模式雖然節(jié)約了行政成本，但是模糊分配方式導(dǎo)致瞄準(zhǔn)成本大幅提升，侵蝕了更多的扶貧資源，既無效率，也不公平。

第三，在序次型模式中，絕對貧困者優(yōu)先方案與現(xiàn)行貧困補助的分配方式類似，該方案扶貧資金的使用效率最高，使用最低的瞄準(zhǔn)成本達到較好的減貧效果，如果現(xiàn)行補助方案結(jié)合代理家計調(diào)查機制，改善現(xiàn)行的瞄準(zhǔn)機制和分配方案，可使扶貧工作更有效率、更加公平。但該方案貧富差距明顯拉大，違背貧困補助初衷，效率性有余但公平性不足。

基于上述結(jié)論，本文提出以下政策建議：一是對貧困補助資格的認定可以結(jié)合本文的代理家計指標(biāo)，以緩解家計調(diào)查僅以收入或消費信息作為篩選標(biāo)準(zhǔn)的瞄準(zhǔn)困境，提高受助資格認定的客觀性和可操作性。在具體實施時應(yīng)因地制宜，可以先試點后鋪開，在試點中積累經(jīng)驗并持續(xù)完善。二是代理家計調(diào)查瞄準(zhǔn)機制涉及計量分析方法，這對于貧困戶的信息化水平提出較高要求，民政部門可以加強與工商、稅務(wù)等部門的配合，建立信息管理共享平臺，方便監(jiān)督和管理工作。三是任何瞄準(zhǔn)機制都無法達到零瞄準(zhǔn)誤差，應(yīng)健全貧困補助動態(tài)管理機制，并結(jié)合民主評議會和村委會定期公示制度，增強扶貧資金使用透明度，切實糾正“關(guān)系保、人情?！保晟品鲐毻顺鰴C制，確保做到“應(yīng)保盡保、應(yīng)退進退”。